CN110942177A - 一种评估气候变化对冈比亚地下水资源影响的方法 - Google Patents
一种评估气候变化对冈比亚地下水资源影响的方法 Download PDFInfo
- Publication number
- CN110942177A CN110942177A CN201911050492.4A CN201911050492A CN110942177A CN 110942177 A CN110942177 A CN 110942177A CN 201911050492 A CN201911050492 A CN 201911050492A CN 110942177 A CN110942177 A CN 110942177A
- Authority
- CN
- China
- Prior art keywords
- model
- variables
- groundwater level
- climate
- groundwater
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000008859 change Effects 0.000 title claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 18
- 239000003673 groundwater Substances 0.000 claims abstract description 50
- 230000008020 evaporation Effects 0.000 claims abstract description 10
- 238000001704 evaporation Methods 0.000 claims abstract description 10
- 238000012417 linear regression Methods 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims abstract description 3
- 238000007619 statistical method Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 5
- 238000005311 autocorrelation function Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000283153 Cetacea Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出使用一种新的方法来评估气候变化对冈比亚地下水资源的影响。该研究采用的技术解决方案是开发多元线性回归模型(MLR)，该模型将检查气候变量(降雨量、温度和蒸发量)与地下水位之间的关联，并开发模型来预测地下水位。MLR模型可以通过拟合线性方程来模拟预测变量(独立变量)和响应变量(独立变量)之间的关联，并可以使用相对较少的数据提供有用的结果。回归系数确定了不同预测变量和响应变量之间关系的性质。系数值可以帮助采用合适的模型进行预估线性相关自变量的回归方程可以给出因变量的准确预测。通过这种方式，回归系数可用于确定各种气候参数对地下水位的影响，并为快速水资源管理策略的设计方法提供指导。
Description
技术领域
本发明涉及水资源评价方法，具体为一种评估气候变化对冈比亚地下水资源影响的方法。
背景技术
随着快速的城市化和人口增长，获得饮用水仍然是世界上大多数发展中国家的主要挑战。可持续的水资源在数量和质量可用性方面受到人口增长，气候变化，城市化和污染等几个因素的威胁，其中气候变化至关重要。在冈比亚，特别是在人口稠密的大班珠尔，孔波及其沿海地区，供水已经十分紧张，无法满足需求和经济增长。
科学家们一致认为，气候变化对水资源的影响越来越严重，如果不采取措施避免水资源的不当使用，后果将持续恶化，然而，缺乏适应性的措施显然表明，这些问题并不被认为是十分紧迫的，因此没有得到非洲决策者的高度关注。此外，受气候变化影响的水文研究通常涉及地表水，但较少关注地下水。鉴于这些事实，政府气候变化专门委员会认为，可以通过扩大对当地影响地研究以及对变化进行更精细地评估来解决气候变化对水资源的影响，尤其是在地下水系统中。
然而，冈比亚很少有关于地下水资源管理的研究，主要集中在供水系统和需求管理上，但没有进一步探究气候变化与地下水之间的关系。因此，必须有一种简单可靠且实用的方法来快速评估冈比亚的气候变化对地下水的影响。针对上述问题，开发了多元线性回归(MLR)模型和自回归综合移动平均(ARIMA)模型，以研究气候变化对冈比亚地下水资源的影响。
发明内容
为了解决这些问题，本研究提出使用一种新的方法来解释气候变化与地下水水文学之间的关系。该研究采用的技术解决方案是开发(MLR)多元线性回归模型，该模型将检查气候变量(降雨量、温度和蒸发量)与地下水位之间的关联，并开发模型来预测地下水位。
MLR模型可以通过拟合线性方程来模拟预测变量(独立变量)和响应变量(独立变量)之间的关联，并可以使用相对较少的数据提供有用的结果。回归系数确定了不同预测变量和响应变量之间关系的性质。系数值可以帮助采用合适的模型进行预估线性相关自变量的回归方程可以给出因变量的准确预测。通过这种方式，回归系数可用于确定各种气候参数对地下水位的影响，并为快速水资源管理策略的设计方法提供指导。本研究中的MLR公式表示为：
Yi＝β0+β1X1,i+β2X2,i+……..+βmXm,i+εi (1)
其中Yi代表观察的因变量i；X1，i，X2，i，…..，Xm，i代表观察i的自变量；β0，β1，β2，……，βm是等式(1)中MLR模型的回归系数。εi是观察i的随机误差。
为了估计MLR模型的未知参数β0，β1，β2，...，βm，使用最小二乘法。在应用最小二乘法之后获得的模型如下：
Yi＝b0+b1 X1,i+b2 X2,i+……..+bm Xm,i+ei i＝1,2…….,n (2)
其中b0+b1+b2，…..bm分别是β0，β1，β2，……，βm的非标准化系数的估计；ei是估计的观测误差i。
开发MLR模型涉及的步骤包括：
1.首先，为研究建立了概念性的MLR模型，如图1所示。
2.根据模型中包含的变量收集数据。
3.然后，将收集到的数据进行处理并导入到R软件中，以进行统计分析，并且输出的结果表明模型性能良好。
4.此外，ARIMA模型用于预测研究区域未来三年的地下水位。
ARIMA模型结合了三个过程：(1)自回归(AR)过程，(2)差分过程和(3)移动平均(MA)过程。这些过程在统计文献中被称为主要的单变量时间序列模型，通常在许多应用中使用。
下面给出了ARIMA模型在本研究中的应用控制方程；
自回归(AR)模型
Yt＝C+β1Yt-1+β2Yt-2+………+βpYt-p+εt (4)
其中，Yt是要在其上应用ARMA模型的数据。这意味着该系列已经进行了功率变换，并且按该顺序进行了差分。参数β1，β2和βp是AR系数。其中εt是方程式中的误差项。
Yt＝εt-α1εt-1-α2εt-2-……-αqεt-q (5)
以前定义了Yt和εt。参数α1，α2和αq是(MA)系数自回归移动平均(ARMA)模型
Yt＝C+β1Yt-1+β2Yt-2+………+βpYt-p+εt-α1εt-1-α2εt-2-……-αqεt-q (6)
该模型将检查气候变量(降雨量、温度和蒸发量)与地下水位之间的关联，并开发模型来预测地下水位。这种方法实施起来简便、经济、省时、省力，与其他统计模型相比需要的技能更少，并且可以在保持参数数量最少的同时提高预测准确性。此外，该方法在冈比亚进行的适当水资源评估中展现出可行性，可以将这种方法应用于世界其他发展中国家类似的研究。
附图说明
图1是MLR模型的示意图。
图2是气候变量与NWP22003地下水位之间的关系。其中，(a)图是地下水位(地表下米数)和降雨量(mm)之间的关系，(b)图是地下水位(地表下米数)和蒸发量(mm)之间的关系，(c)图是地下水位(地表下米数)和温度(℃)之间的关系。
图3是MLR模型的残差诊断图，其中(a)图是残差和拟合值，(b)图是标准化残差和理论分位数，(c)图是标准化残差平方根和拟合值，(d)图是标准化残差和杠杆值。
图4是NWP22003观测井的地下水位时间图。
图5为NWP22003观测井取第一阶差后的时间图地下水位。
图6是残差的ACF图。
图7是观测井NWP22003的实际和预测地下水位的时间序列图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步说明。
表1 NWP22003观测井的标准MLR回归系数
验证码:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1
回归方程：
G＝16.15+0.0023R+0.1587E+0.0850T (7)
其中G代表地下水位，R代表降雨量，E代表蒸发量，T代表温度。
表2是NWP22003观测井MLR模型的方差检验分析。
表3 NWP22003观测井的MLR模型汇总
下面给出根据以上说明的本方法的发现的详细描述。
实施例1：地下水位与气候变量之间的关系：
图2显示了气候变量与地下水位之间的关系。这些关系是根据确定系数R2和P值的重要等级确定的。输出结果表明，降雨、蒸发和温度的R2值分别为0.2485、0.0215和0.1467。这些数值表明，这三个气候变量都说明了地下水位的变化，尽管程度较小的原因是蒸发。就显著意义而言，结果表明降雨和温度均显着，P值分别为0.0015745和0.0041927。可以观察到，尽管蒸发对研究地点的地下水位产生了一定程度的变化，但其贡献对P值为0.91073没有统计意义。可以看出，在研究中，降雨在气候变量中的贡献最大。绘制的拟合回归线表明地下水位与降雨量之间以及地下水位与温度之间呈正相关，而地下水位与蒸发之间呈负相关。
实施例2：回归分析和模型方程的建立：
表1显示了地下水监测点的标准多元回归分析的输出。从上面的表1可以得出，所有气候变量都导致了研究地点地下水位的变化。使用从水利部水文部门获取的四年(2015-2018)地下水时间序列数据对模型进行了校准和验证。使用一组统计指标进行方差分析以评估研究地点的多元线性回归模型。表2中Anova试验的结果证实了所有气候变量在预测地下水位中的重要性。关于因变量估计的相对重要性，可以说降雨对整个模型的贡献最大。表3中MLR模型的统计指标摘要显示，P值为1.68e-06(P<0.001)，表明其显着性水平高，多个R2值为48％，表明所引起的地下水水位变化幅度根据气候变量。基于这些结果，我们认为该模型非常合适，可以用来估算研究区域的地下水位。
进行了诊断检查以检验多元线性回归模型的假设的有效性(图3)。四个假设是(1)Y值(或误差)是独立的；(2)Y值可以表示为X变量的线性函数(线性)(3)回归线周围的观测值的变化(残余SE)是恒定的(均方差)；(4)对于给定的X值，Y值(或误差)呈正态分布(误差的正态性)。值得一提的是，虽然现实中从未完全满足线性回归的假设，但我们仍然必须检查它们是否足够合理。在图3(a)中，残差图和拟合值图检查最重要的假设(方差恒定)。根据结果来看，没有任何模式，而且看起来很正常。从图3(b)中的正态分布得出的标准化残差和理论分位数的图测试了误差的正态性假设。据此，标准化残差与理论分位数之间应存在直线关系。观察到点43、23和9偏离直线有点。但是，基于结果，该线看起来相当笔直。图3(c)中的曲线测试了方差的均匀性。观察到残差表现良好，在图3(d)中可以看出，没有任何高影响力的值可能会使参数估计值失真。因此，可以得出结论，该模型非常适合该数据，可用于预测地下水位。
实施例3：使用ARIMA模型预测地下水位：
我们使用自回归综合移动平均(ARIMA)模型来预测未来三年的地下水位。使用该系列的时间图对数据进行了初步分析(图4)。通过对图4中时间图的目视检查，可以观察到地下水位序列不是平稳的，因为它表现出趋势。为了获得平稳性，通过取序列中值的自然数据的第一差来对时间序列数据进行转换。经过第一个差异的变换后，差异序列的图表现出平稳性(图5)。为了基于等式(6)实现ARIMA模型，再次使用残差的自相关函数(ACF)的图对数据进行了平稳性研究(图6)。从地块得出的地下水位序列被发现是平稳的，因此使用差分来实现平稳。基于残差的ACF，数据看起来是随机的，并且满足了95％置信区间之外没有自相关剩余的条件。因此，获得地下水位数据平稳性所需的差异数为1(d＝1)。由于ARIMA(0，1，2)(1，0，0)模型与地下水位数据非常吻合，因此，我们可以使用该模型预测地下水位。图7描述了地下水位实际值和预测值的趋势。可以看出，存在上升趋势，表明地下水位下降。因此，我们可以得出结论，气候变化的影响已经体现在研究区域的地下水位下降，根据预测，这一趋势将在未来三年继续保持。
Claims (4)
1.一种评估气候变化对冈比亚地下水资源影响的方法，其特征在于，采用多元线性回归(MLR)模型和自回归综合移动平均(ARIMA)模型，具体如下：
(1)建立概念性的MLR模型；
(2)根据模型中包含的变量收集数据；
(3)将收集到的数据进行处理并导入到R软件中，以进行统计分析，并且输出的结果表明模型性能良好；
(4)ARIMA模型用于预测研究区域未来三年的地下水位。
2.根据权利要求1所述的一种评估气候变化对冈比亚地下水资源影响的方法，其特征在于，该模型将检查气候变量(降雨量、温度和蒸发量)与地下水位之间的关联，并开发模型来预测地下水位。
3.根据权利要求1所述的一种评估气候变化对冈比亚地下水资源影响的方法，其特征在于，其特征在于，可以通过拟合线性方程来模拟预测变量(独立变量)和响应变量(独立变量)之间的关联，并可以使用相对较少的数据提供有用的结果。
4.根据权利要求1所述的一种评估气候变化对冈比亚地下水资源影响的方法，其特征在于，回归系数可用于确定各种气候参数对地下水位的影响，并为快速水资源管理策略的设计方法提供指导。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911050492.4A CN110942177A (zh) | 2019-10-31 | 2019-10-31 | 一种评估气候变化对冈比亚地下水资源影响的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911050492.4A CN110942177A (zh) | 2019-10-31 | 2019-10-31 | 一种评估气候变化对冈比亚地下水资源影响的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110942177A true CN110942177A (zh) | 2020-03-31 |
Family
ID=69906170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911050492.4A Pending CN110942177A (zh) | 2019-10-31 | 2019-10-31 | 一种评估气候变化对冈比亚地下水资源影响的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110942177A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949158A (zh) * | 2020-12-23 | 2021-06-11 | 中国空间技术研究院 | 一种提高地下水位变化量的空间分辨率及精度的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106250675A (zh) * | 2016-07-20 | 2016-12-21 | 中国水利水电科学研究院 | 具有不同预见期的地下水分区预测模型的构建方法及应用 |
-
2019
- 2019-10-31 CN CN201911050492.4A patent/CN110942177A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106250675A (zh) * | 2016-07-20 | 2016-12-21 | 中国水利水电科学研究院 | 具有不同预见期的地下水分区预测模型的构建方法及应用 |
Non-Patent Citations (5)
| Title |
|---|
| 刘婕等: ""变化环境下新疆沙湾县灌区地下水动态趋势及驱动因素"", 《节水灌溉》, 5 March 2019 (2019-03-05), pages 53 - 58 * |
| 张郑贤等: ""基于时间序列模型的济南趵突泉地下水位预测"", 《中国水利水电科学研究院学报》, 15 February 2019 (2019-02-15), pages 51 - 59 * |
| 成兴广, 成绍华, 马福才: "三种时间序列模型在地下水动态模拟中的应用分析", 中国非金属矿工业导刊, no. 02, 15 April 1997 (1997-04-15) * |
| 肖勇;尹世洋;邵景力;崔亚莉;顾晓敏;马涛;: "灰色预测与时间序列分析在地下水位预测中的应用", 灌溉排水学报, no. 1, 11 August 2015 (2015-08-11) * |
| 董殿伟;刘久荣;林沛;王树芳;晏婴;王丽亚;郑声涛;: "时间序列分析法在地下水水位预测中的应用", 城市地质, no. 04, 15 December 2007 (2007-12-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949158A (zh) * | 2020-12-23 | 2021-06-11 | 中国空间技术研究院 | 一种提高地下水位变化量的空间分辨率及精度的方法 |
| CN112949158B (zh) * | 2020-12-23 | 2024-06-11 | 中国空间技术研究院 | 一种提高地下水位变化量的空间分辨率及精度的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mahsin et al. | Modeling rainfall in Dhaka division of Bangladesh using time series analysis | |
| CN107153874B (zh) | 水质预测方法及系统 | |
| McMillan et al. | Rating curve estimation under epistemic uncertainty | |
| Wan et al. | Probabilistic forecasting of wind power generation using extreme learning machine | |
| Arandia et al. | Tailoring seasonal time series models to forecast short-term water demand | |
| CN105740991A (zh) | 基于改进bp神经网络拟合多种气候模式的气候变化预测方法及系统 | |
| CN111400371A (zh) | 一种基于电压相关性校验的户变关系识别方法 | |
| Yusof et al. | Malaysia crude oil production estimation: an application of ARIMA model | |
| CN111310981A (zh) | 一种基于时间序列的水库水位趋势预测方法 | |
| CN112330197B (zh) | 一种气象水文数据质量控制与评价方法 | |
| Dolbec et al. | A component based software reliability model. | |
| JP7239859B2 (ja) | 予測式導出方法及び予測式導出装置 | |
| CN110942177A (zh) | 一种评估气候变化对冈比亚地下水资源影响的方法 | |
| Liuzzo et al. | Uncertainty related to climate change in the assessment of the DDF curve parameters | |
| CN116231624A (zh) | 用于评估光伏电站经济效益的光伏组件输出功率预测方法 | |
| Wang et al. | Identification of changes in heavy rainfall events in Ontario, Canada | |
| CN108108860A (zh) | 一种四步耦合中长期水文预报方法 | |
| Tinungki | The election of the best autoregressive integrated moving average model to forecasting rice production in Indonesia | |
| Chen et al. | Uncertainty analysis of hydrologic forecasts based on copulas | |
| Mohammed et al. | Developing Rainfall Intensity Duration Curve for Selected Towns in Western Part of Ethiopia | |
| Bermejo et al. | Identification of TAR models using recursive estimation | |
| CN114117953B (zh) | 水文模型结构诊断方法、径流预报方法及装置 | |
| CN116166924B (zh) | 数据处理方法、装置、存储介质及电子设备 | |
| Pebesma et al. | Error analysis for the evaluation of model performance: rainfall–runoff event summary variables | |
| Vojinovic | A complementary modelling approach to manage uncertainty of computationally expensive models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |